机器人学杂志

机器人学杂志/2020./文章

研究文章|开放访问

体积 2020. |文章ID. 4675301. | https://doi.org/10.1155/2020/4675301

刘天虎,文永禄,李桂琪,聂向宁 智能竹分裂机充电机械手的优化与实验研究“,机器人学杂志 卷。2020. 文章ID.4675301. 10 页面 2020. https://doi.org/10.1155/2020/4675301

智能竹分裂机充电机械手的优化与实验研究

学术编辑器:L. Fortuna.
收到了 08年1月20日
公认 2月17日2月17日
发表 2020年3月17日

抽象的

非自动竹分裂机必须用材料充电并手动更换工具。但是,手动充电非常危险。智能竹分裂机可以智能地自动送入并改变工具,并具有广泛的应用前景。充电机械手是智能竹分裂机的重要组成部分。使用遗传算法在此优化了操纵器的大小。实验研究了智能竹分裂机充电机械手的捕获速率,定心率和动态特性,其中考虑了关键因素。首先,开发了三种不同的操纵器,210,220和230毫米的臂长。然后,根据直径范围将竹材物质分成三个梯度(60-85,85-110和110-135 mm)。加速器用于测量操纵器臂动态特性,并且使用高速电荷耦合器件来记录抓握过程。实验结果表明,臂长度= 220mm的操纵器捕获率高达100%,但具有臂长度为= 210和230mm的机械手分别为96和98.67%。 Thus, the manipulator with a 220 mm arm length showed better performance than the other two manipulators. Trend curves of the influence of material diameter on capture time were similar to an exponential function.

1.介绍

亚太地区、美洲和非洲是世界上竹子的主要分布地区[1].在亚洲,竹材厂主要分布在中国,印度和其他发展中国家。竹子迅速增长并具有良好的机械性能,使其可以加工成多种日用品。竹制品的生产过程如图所示1.竹材材料通过竹分裂机分成碎片。然后,将其从丝网机中绘制成丝绸,干燥,最后加工成牙签和筷子等产品。因此,竹分裂机在竹加工中起重要作用。非自动竹分裂机必须用材料充电并手动更换工具。但是,手动充电非常危险。智能竹分裂机可以自动送入和充电,可以可靠地改变工具,因此具有广泛的应用前景。充电机械手是智能竹分裂机的重要组成部分。

作为多种智能机械的重要组成部分,已经对各种操纵器进行了许多研究,例如灵活的操纵器[23.].彭等人。已经研究过苹果内部质量等级机械手[4.].李等人。设计了一种移植机械手[5.].Wan等人。使用粒子群优化算法进行了并行机械手的尺寸合成[6.].一种可重构的6自由度(DOF)机械手进行了优化[7.[其中使用加权方法组合三种性能标准,并使用顺序单纯x方法进行优化。Mandur和Budman已经讨论了一种使用状态测量更新机制模型参数的方法[8.9.].Okazaki等人开发了一种由McKibben人工肌肉驱动的6自由度机械手[10].提出了一种P-4R(棱镜四转动关节)测量高温钢瓶机器人系统[11].Abe通过假定的模式方法(AMM)为平面柔性刚性机械手构成了动态模型[12].ABE定义的轨迹作为立方样条和使用粒子群优化(PSO)来优化样条控制点。轨迹功能被定义为平面灵活机械手的高阶多项式[13].设计了7-DOF机械手,完全由拮抗麦克宾人工肌肉对致动[14].Ahmad等人提出了一种用于柔性关节机械臂尖端角位置控制的pd型模糊逻辑控制器[15].Nikdel等人。还基于控制柔性关节机器人的平行分布式补偿技术进行了模糊方法[16].

一种遗传算法,分析方法和线性 - 最小二乘(LLS)方法广泛用于机构设计。例如,Li和Xu使用了遗传算法来优化平面3-DOF并行机械手[17].高等人。基于Pareto正面方法应用了一种遗传算法,以合成6-DOF并行机械手[18].还采用了遗传算法来优化立方多项式的参数,其中四个立方多项式用于描述柔性机械手的两个关节的角速度[19].Chen等人提出了一种确定串联机器人标定冗余参数的解析方法[20.].使用静电模型研究了操纵器[21.].介绍了一种考虑轴承对机械手动力学贡献的方法[22.].Liu等研究了一种椭圆边界模型的智能机械目标检测方法[23.24.].Bucolo等人。研究了不完美动力系统的控制方法[25.26.].

竹分裂过程的复杂特性使设计精确的机制昂贵。需要一定程度的专业知识的实证模型在稍微更容易,更适合机构设计。在本文中,使用遗传算法优化了智能竹分离机的充电机械手,并进行了一系列实验,研究了关键性能特征,例如捕获率,定心率和动态特性。

2.操纵器的设计和优化

2.1。智能竹分裂机的组成

通常,智能竹分裂机包括进给机构,充电机械手,工具更换器和控制机制(图2)。为本研究开发了智能竹分裂机的局部结构,其中(1)是充电机械手,(2)代表进给机构,(3)表示框架,(4)代表推动机构,(5)代表自动换刀器(图3.)。进料机构(2)自动且连续地喂食竹材料并同时测量直径,充电机械手(1)精确地抓住材料,推动机构(5)连续推动刀具,以及自动换刀器(5)改变工具根据材料直径自动。

这个智能竹分裂机的工作流程图如图所示4..在操作期间,首先重置该工具。在进料期间,使用激光束传感器测量竹直径。然后,机器根据测量的直径自动选择工具。在进料过程结束时,竹子到达托盘并被充电机械手拾取,抓住并以中心拾取。然后,推动机构被推入工具。

2.2。操纵器设计和优化

操纵器结构对其稳定性和运动性能具有很大影响,因此有必要通过优化获得理想的运动性能。在优化过程中,机械手的工作空间需要最大化,但能够满足工作要求所需的灵活性和稳定性。

操纵器的两个可选结构如图所示5(一个)5 (b).随着大小臂的尺寸是相同的,这两个操纵器的工作空间与图中的实线一起被绘制5 (c)表示Figure的操纵器5(一个),虚线代表图中的内容5 (b)在运动之后。可以看出,在手臂和关节尺寸相同的情况下,机构的目标轨迹如图所示5(一个)比图更大5 (b).因此,图中的充电机械手5(一个)被采纳。

配置中的操纵器通过气动圆筒和肩部,肘部和腕关节的旋转的上下移动来掌握目标物体。由于智能竹分裂机的整体尺寸的限制,机械手指的工作路径必须符合公式(1)掌握目标对象。 在哪里一种B.C 如图所示6.

为了使机械手达到最大化的尺寸,目标函数被写为

优化函数必须受公式(1)减少机械手重量并确保机械手更轻,更灵活。范围一种B.CD. 从0到300 mm,0到400 mm,0到500 mm,0到300 mm,0到0到π/ 2,和0到3π/ 4,分别。采用多变量遗传算法对该尺寸优化问题进行求解,算法流程如图所示7..选择满足条件的一组初始值以启动优化过程。将初始种群数设定为50,将最大进化产生设定为100,交叉概率设定为0.7,突变概率设定为0.01,设定终止条件,使得健身功能的平均变化较小而不是10-2

该算法实际上进化了97代,具有这些参数的优化结果一种B.,D.等于190,220和220 mm(图8.)。杆的总长度CD.需要满足 因为 所以, 什么时候 使目标函数最小化,杆的长度C是380毫米。

2.3.优化充电机械手

优化后的充电机械手结构如图所示9..它主要包括一个气缸(1),五个铰链(10),两个大臂(6),两个小臂(7),两个手腕接头(8),V形手指(11),以及两个U形手指(9)。它有四个列(3),两个上光束(2)和两个底梁(4)。使用螺栓安装在上梁(2)上安装汽缸(1)。组件(10)用作肩部,该肩部安装在圆筒活塞的末端。大臂(6)的一端与部件(10)连接,另一端与小臂(7)通过铰链连接。小臂(7)的上端安装在铰链上,该铰链也安装在旋转轴上。V形指状物(11)和U形指状物(9)安装在小臂(7)的底端上。在充电过程中,用U形手指拾取竹子(9)。 Next, the sample was urged to the front of the pushing mechanism before touching V-shaped fingers (11). Then, it was caught and tightly fastened between the U-shaped (9) and V-shaped fingers (11).

3.材料和方法

3.1.材料

在2019年9月底,在2019年9月底,在中国广东省惠州龙门县纽伦山峰,试验样品是不同直径的竹子。所有样品均位于中国广州,中国的华南农业大学实验室,少数样品如图所示10.样品直径是本研究中的关键参数,并且等于使用卡钳测量的两个样品结束的对角线外径的平均值。

3.2。方法

先前的研究表明,当大臂的长度在200到240毫米之间时,操纵器可以掌握竹材料的普通直径。因此,为该试验和比较开发了三个操纵器,具有210,220和230毫米的大臂长度。在下文中,这些三种操纵器分别被称为操纵器A,B和C.

3.2.1。掌握可靠性和准确性测试

速率和定心速率是决定抓取可靠性和准确性的两个参数。样品根据直径差异分为60-85 mm、85-110 mm和110-135 mm三个梯度。如果样本在v形和u形手指之间被紧紧抓取,则抓取成功。因此,捕获率的计算方法是成功捕获样本数除以捕获样本总数。

如果工具和样品中心线之间的距离小于或等于5毫米,则充电足以足以进行有用的生产。否则,充电失败了。因此,通过成功带电样本的数量来计算定心率,除以总电荷的样本的数量。为了估算充电是否成功,激光指针安装在工具头中心。在每次充电测试结束时,使用卡钳测量激光点与竹子样品的中心之间的距离。

3.2.2。动态特性测试

为了分析样品的瞬时运动,使用汞系列MER-030-120GX-PDE PoE以太网接口CCD来捕获抓握过程的图像。其采集频率为每秒20帧。图中示出了四个图像11,包括在抓住之前(图11(a)),操纵器触摸样本(图11(b)),一个抓取样本的机械手(图11(c)),抓完完成后(图11(d))。

压电加速度计(Chengke CT1010SLFP)安装在机械手腕关节上以检测其加速度。加速度计的采样频率设定为1 kHz,并称为加速度信号的测量电压 被转换为Xy,Z.轴加速度,称为 通过USB-6001采集卡,并使用USB 2.0端口输入计算机(图12)。

用于计算加速度向量的大小的表达式 使用(3.),其在其组件方面获得 使用毕达哥拉斯定理。 在哪里 是绝对值或

结果加速峰值的平均值及其标准偏差,反映了加速度的整体趋势更清楚,用于使用以下等式计算和计算: 在哪里 表示抓取的合成加速度峰值的中值一世样品和N表示组中的数据量。

一个例子Xy,Z.由加速度计检测到的轴加速度如图所示13.从图中的加速计算的加速度向量的大小13如图所示14.通过对加速度曲线的分析,确定了抓取的起始和结束时间点。进一步,用下式计算抓取过程的总周期: 在哪里N采样后的加速度信号数是否从采样中被拾取并牢牢抓住F是加速度计的采样频率。

4.结果和讨论

4.1。结果
4.1.1。掌握可靠性和准确性测试

机械手的捕获率和定心率的实验结果一种B.,C如表所示1.操纵器的平均捕获率一种B.,C分别为96、100、98.67%,定心率分别为87.52、90.45、88.35%。总体上,85-110 mm直径的抓取样本平均捕获率最高,60-85 mm直径的抓取样本平均捕获率最低。结果还表明,机械手B的捕获率高达100%,因此机械手B是最适合这种智能劈竹机的。本实验的平均定心率<91%。从采集的图像中可以看出,造成定心误差的原因是部分样本截面不是圆形的。


操纵器 直径(mm) 定心率(%) 捕获率(%)

一种 60-85 87.50 92.
85-110 85.43 One hundred.
110-135 89.64 96.
平均 87.52 96.

B. 60-85 91.01 One hundred.
85-110 87.76. One hundred.
110-135 92.59 One hundred.
平均 90.45 One hundred.

C 60-85 90.00 96.
85-110 86.34 One hundred.
110-135 88.72 One hundred.
平均 88.35 98.67

4.1.2。动态特性测试

抓取机械手的时间曲线一种B.,C如图所示15,表明随着样品直径的增大,捕获时间减小。在抓取直径在105.1 ~ 114.4 mm的样品时,三种机械手之间没有明显的捕获时间差异。样品直径对平均捕获时间影响的趋势曲线与指数曲线相似;拟合曲线表达式见表2


操纵器 捕获时间公式 R.2

一种 T. = 2.8144E.-0.033.D. 0.8284
B. T. = 2.8384E.-0.038.D. 0.9665
C T. = 2.6327E.-0.033.D. 0.9535

无论使用哪种机械手都用于抓握,样品直径降低(图)平均加速度降低(图16)。大臂越长,平均加速度就越大。样品直径对平均加速度的影响的趋势曲线也类似于指数曲线;拟合曲线表达式见表3.


操纵器 平均加速公式 R.2

一种 一种 = 18.65D.-0.044. 0.8491.
B. 一种 = 24.472D.−0.17 0.8549
C 一种 = 31.05D.-0.239. 0.8676

4.2。讨论

大臂越长,操纵器的抓握力越大,抓的速度越快就是。捕获的图像显示,用机械手抓住C,小型样品总是在高速作用的U形手指的凹槽中滑动,并且一些样品在U和V形指状物之间卡在错误位置之间。因此,操纵器的捕获率C掌握直径60至85毫米的样品仅为96%。如果大臂太短,抓握力就会变得太小,无法抓住小材料,这也解释了为什么操纵器的平均定心率一种是最低的。

当由U形手指拾取时,大型样品几乎不能滑动,牢固而快速地捕获。因此,抓住大样本所需的时间较短。如果大臂太短,则抓握力变得不足,并且在具有大振幅的U形手指中振动的材料。这解释了为什么操纵器A用于捕获样本的所需时间是最长的。

捕获的图像显示,小型样品在U形手指中剧烈振动。由于U形手指的尺寸限制,大型样品的振动空间受到限制。随着大臂变长,抓握力变得更大,瞬时抓加速度变得更大。这解释了为什么检测到的操纵器的平均加速度C是最高的。

5.结论

实验结果表明,操纵器的平均捕获率B.100%,其平均定期率为90.45%。因此,它掌握了不同直径的样品成功。操纵器的大小B.也等于我们计算的最佳尺寸。这些实验部分验证了目前的优化策略。

抓住较大样本的所需时间短于抓取较小样品的时间短。样品直径对平均抓握时间的影响的趋势曲线与指数曲线相似,并且操纵器的拟合曲线表达B.曾是T. = 2.8384E.-0.038.D..样品直径对平均加速度的影响的趋势曲线也与指数曲线相似,并且操纵器的拟合曲线表达B.曾是一种 = 24.472D.−0.17

数据可用性

在此时,重现这些发现所需的处理数据,因为数据也构成了正在进行的研究的一部分。

利益冲突

作者声明他们没有利益冲突。

致谢

该研究由中国国家重点研发计划共同支持(项目批准编号2018YFD0101001)和广东科技计划项目(授予No.201010102024和2017A0202052)。

参考

  1. J. M. Xu,R. J. Zhao和B. H. Fei,“中国竹子的性能和利用研究”木材加工机械,卷。18,不。3,第39-42,2007,中文。视图:谷歌学术
  2. G. H. Gao,Z. Y. Dong,X. N. Sun和H. Wang,“基于3D打印的灵活机械手的开发和测试”,聪明的农业, vol. 1, no. 11, pp. 85-95, 2019。视图:谷歌学术
  3. Y. W. Zhao,D. X.Geng,X. M. Liu和G. D. Sun,“动力学和蔬菜采摘机械手上的运动学和实验”中国农业机械学会交易,卷。50,不。08,pp。31-42,2019,中文。视图:谷歌学术
  4. “苹果内部品质分拣机械手的设计与实验,”彭玉坤,马勇,李力,“苹果内部品质分拣机械手的设计与实验,”中国农业机械学会交易,卷。50,不。1,pp。307-312,2019,是汉语。视图:谷歌学术
  5. B. Li,S.Gu,L. Chu等,“通过Coco-Peat培养的叶片蔬菜幼苗的操纵器设计与实验”农业工程学报,卷。33,不。14,pp。18-24,2017,中文。视图:谷歌学术
  6. X.-J.万,Q. Li,K. Wang,“尺寸合成支持夹具的机器化细胞”,机器人和计算机综合制造业,卷。48,pp。80-92,2017。视图:出版商网站|谷歌学术
  7. G. Coppola,D. Zhang和K. Liu,“一个6-DOF可重构的混合平行式操纵器”,机器人和计算机综合制造业,卷。30,没有。2,pp。99-106,2014。视图:出版商网站|谷歌学术
  8. J. S.Mandur和H. M. Budman,“在模型 - 植物不匹配存在下同时模型鉴定和优化”,化学工程科学,第129卷,第106-115页,2015。视图:出版商网站|谷歌学术
  9. J. S. Mandur和H. M. Budman,“在模型-植物不匹配的情况下同时进行模型识别和优化的稳健算法”,工业与工程化学研究,卷。54,没有。38,pp。9382-9393,2015。视图:出版商网站|谷歌学术
  10. Y. Okazaki,M. Yamamoto,M. Komatsu,Y. Tsusaka和Y.Adachi,“使用气动肌肉的人类安全,多程度自由度的机器人技术的发展”日本机器人学会学报第28卷第2期3,页302 - 3101,2010。视图:出版商网站|谷歌学术
  11. J. He,F. Gao,S. Wu,R. Liu和X. Zhao,使用Prrr机器人脉冲激光旋转大型热钢壳的尺寸,“测量,卷。45,不。7,pp。1814-1823,2012。视图:出版商网站|谷歌学术
  12. A. abe,“考虑大变形的双连杆刚性操纵器的残余振动抑制的轨迹规划”机制和机器理论,卷。44,不。9,pp。1627-1639,2009。视图:出版商网站|谷歌学术
  13. M. Benosman,G.L.Vey,L.Lanari和A. de Luca,“通过后退递归,”平面多连杆柔性机械手的休息休息运动“IFAC程序,卷。36,不。17,pp。289-294,2003。视图:出版商网站|谷歌学术
  14. B. Tondu,S.Ippolito,J. Guiochet和A. Daidie,“七度自由的机器人手臂被人形机器人的气动人工肌肉驱动,”国际机器人研究杂志,卷。24,不。4,pp。257-274,2005。视图:出版商网站|谷歌学术
  15. M. A. Ahmad,R.Ismail,M.Ramli,M.A.Zawawi和M. Suid,“灵活的联合机械手振动控制策略:一种模糊逻辑控制方法工业电子与应用(Isiea),”工业电子与应用研讨会(Isiea)的诉讼程序,第469-474页,IEEE,槟城,马来西亚,2010年10月。视图:出版商网站|谷歌学术
  16. P. Nikdel,M. Hosseinpour,M.A.Adamchizadeh和M.A.Akbari,通过Hybrid-Taguchi遗传算法改进了基于Takagi-Sugeno模糊模型的柔性接头机器人控制,“人工智能工程应用,卷。33,不。8,pp。12-20,2014。视图:出版商网站|谷歌学术
  17. Y.李和Q. Xu,“基于GA的平面3-DOF电缆驱动的平行机械手的多目标最佳设计”机器人和生物体会议的诉讼程序,第1360-1365号,IEEE,中国昆明,2006年12月。视图:出版商网站|谷歌学术
  18. Z.Gao,D.张和Y.GE,“设计优化基于人工智能方法的空间六自由度平行机械手”机器人和计算机综合制造业,卷。26,不。2,pp。180-189,2010。视图:出版商网站|谷歌学术
  19. H. Kojima和T.Kibe,“基于遗传算法的双连杆柔性机器人臂的最佳轨迹规划”遗传算法“,”诉讼程序:IEEE智能机器人和系统会议(IROS),Ieee,毛伊,嗨,美国,2001年11月。视图:出版商网站|谷歌学术
  20. G. Chen,H. Wang和Z. Lin,“基于PoE公式的机器人校准中可识别参数的确定,”机器人上的IEEE交易,卷。30,没有。5,pp。1066-1077,2014。视图:出版商网站|谷歌学术
  21. A. Klimchik,D. Bendarenko,A.Pashkevich,S. Broiot和B.Furet,“基于机器人的铣削信息学的合规性误差补偿”控制,自动化和机器人,pp. 197-216,斯普林克,秋,瑞士,2014年。视图:出版商网站|谷歌学术
  22. H. N. Rahimi和M. Nazemizadeh,“柔性机械臂的动态分析和智能控制技术综述”,先进的机器人第28卷第2期2,pp。63-76,2014。视图:出版商网站|谷歌学术
  23. T.-h.刘,R. Ehsani,A.Toudeshki,X.-J.zou和h.-j.王,“检测使用多椭圆边界模型的自然环境中的柑橘类水果和树干”,“计算机在工业领域,卷。99,pp。9-16,2018。视图:出版商网站|谷歌学术
  24. T.-h.刘,R. Ehsani,A.Toudeshki,X.-J.zou和h.-j.王,“在CR-CB色彩空间中椭圆模型拟合树木中未成熟和成熟的柚子果实,”精密农业,卷。20,没有。1,pp。138-156,2019。视图:出版商网站|谷歌学术
  25. M. Bucolo,A. Buscarino,C.Famoso,L.Fortuna和M. Frasca,“智能控制的不完美机电系统”2019年IEEE制度,人物和控制论国际会议(SMC)的诉讼程序,pp.1882-1886,IEEE,Bari,意大利,2019年10月。视图:出版商网站|谷歌学术
  26. M. Bucolo,A. Buscarino,C.Famoso,L.Fortuna和M. Frasca,“控制不完美动态系统”,非线性动力学,卷。98,没有。4,pp。2989-2999,2019。视图:出版商网站|谷歌学术

版权所有©2020 Tian-Hihu等。这是分布下的开放式访问文章创意公共归因许可证如果正确引用了原始工作,则允许在任何媒体中的不受限制使用,分发和再现。


更多相关文章

PDF. 下载引用 引文
下载其他格式更多的
订单印刷副本命令
意见325
下载219
引用

相关文章

我们致力于尽可能快地分享与Covid-19相关的结果。我们将为已接受的研究文章提供无限的出版费用豁免,以及与Covid-19相关的报告和案例系列。评论文章被排除在此豁免政策之外。在此注册作为评论员,帮助快速跟踪新的提交。